【Skill 创作】Business-Model 帮你看懂一家值得买的公司

SOLO技能创作赛
1

1、Skill 简介

这是一个整合华尔街机构分析师、巴菲特芒格投资体系和李想马斯克实业操盘方法的商业模式研究助手，解决普通投资者研究公司时"不知道从哪下手、数据不准确、估值方法选错"三大核心问题，让非专业人士也能用系统化框架完成公司分析，适合对投资、商业分析有兴趣的同学使用。

2、使用场景

场景一：想研究某只股票但不知道从哪下手

之前的麻烦：打开炒股软件看了一堆数字，但不知道哪些是关键指标，不知道该和同行比什么，不知道为什么这家公司毛利率高但净利率低，最后只能看评论区的"买入/卖出"信号。

做出来之后：输入"帮我分析一下理想汽车"，Skill 会自动：

  1. 拉取最新财报数据（营收、利润、毛利率）

  2. 选择适配的分析框架（造车新势力用实业操作体系+估值分析）

  3. 生成公司生意流程图 vs 行业普遍流程图

  4. 计算关键估值指标（PE/PS/PEG）并给出解读

  5. 输出结构化分析报告

省掉的动作：

  • 不用手动翻年报找关键数据

  • 不用纠结该用什么估值方法

  • 不用自己画行业对比图

  • 不用反复验证数据准确性（Skill 自带交叉验证）

场景二：读财报时看不懂数据背后的含义

之前的麻烦：看到某公司营收增长 50%，以为是好事，但后来才发现同行增长 100%，它反而是落后的；看到 PE 只有 10 倍觉得便宜，结果是周期股的盈利顶点。

做出来之后：Skill 会帮你：

  • 判断公司类型（成长股/周期股/价值股）

  • 选择适配的估值指标

  • 做同比/环比分析

  • 指出数据背后的风险点

场景三：AI 分析时数据幻觉

之前的麻烦：用通用 AI 分析公司，它会自信地给出一堆数据，但你去核实发现全是错的——营收数字不对、利润计算跳步、估值指标选错。

做出来之后：Skill 强制执行：

  • 数据来源分级：所有数据必须标注是 A级（已验证）还是 B级（可参考）

  • 交叉验证强制：营收/净利润等关键数据必须两个独立来源验证

  • 计算过程透明：PE = 市值 ÷ 净利润，必须展示公式、代入数字、计算步骤三步

3、创作过程

整体思路：先有痛点，再搭框架，再做约束

整个创作不是一次性写成的，而是随着实际使用逐步优化的，特别是"数据准确性规范"这部分，是在多次被错误数据坑了之后才下定决心加上的。

关键创建步骤

步骤 1：确定 Skill 要解决的核心问题

在 Trae IDE 的编辑器里直接开始创作，核心回答：

Plain Text

我的 Skill 要做什么？
→ 让普通投资者也能用专业机构的方式分析公司

最核心的痛点是什么？
→ 数据不准确 + 不知道用什么分析框架

怎么解决？
→ 1. 强制数据来源标注 + 计算过程透明
→ 2. 按公司类型选择适配的分析框架

步骤 2：搭建三大分析体系

这是 Skill 的核心内容，也是最花时间的部分。每一部分都参考了大量书籍和资料，然后用通俗易懂的语言重写。

Plain Text

体系一：机构分析师体系
  → 参考了华尔街分析师的工作流程
  → 重点在：财务比率分析、估值方法、同比环比
  → 整理了 5 大类估值方法（PE/PS/PB/PEG/DCF）
  → 整理了杜邦分析公式拆解

体系二：学院派/实业家体系
  → 巴菲特&芒格（护城河理论）
  → 段永平（Right Business, Right People, Right Price）
  → 波特五力（行业竞争结构）
  → 克里斯坦森（颠覆式创新）
  → 彼得·林奇（PEG估值法）
  → 李想/马斯克（实业操作）
  → 把这些人的方法整理成可执行的框架

体系三：实业操作体系
  → 宝洁/追觅的品类扩张流程
  → 李想产品实战 16 讲的核心要点
  → 马斯克第一性原理 + 五步工作法
  → 做成了"生意流程图"模板

这部分是用 Trae IDE 的 Skill 编辑器逐节写的，每写完一节就用真实公司测试一下，如果分析结果不合理，就回去调整框架。

步骤 3：加入数据准确性规范（最重要的约束）

这是后来加上的，占了 Skill 开头的第一部分，因为如果数据错了，再漂亮的分析也毫无意义。

Plain Text

核心约束清单：
□ 所有数据必须标注来源级别（A/B/C/D级）
□ 营收/净利润必须两个独立来源交叉验证
□ 计算过程必须展示：公式→代入数字→结果
□ 排行榜必须标注排名依据和时间口径
□ 用户质疑的数据必须快速核实回应

步骤 4：加入"公司类型→框架选择"的快速指引

这是让 Skill 真正能用的关键：不是给用户 20 个框架让他自己选，而是根据公司类型自动推荐最适配的 3-5 个框架。

Plain Text

消费品/快消 → 护城河 + 4Ps/4Cs + 实业操作体系
互联网平台 → 生态思维 + 网络效应 + 4Rs
技术/AI公司 → 第一性原理 + PMF + 颠覆式创新
零售/电商 → 4Cs + PMF + 波特五力 + 杜邦分析
高成长公司 → PEG估值 + 增长策略

关键的几个设计决策

决策一：是否要做自动抓取数据？ → 不做。手动让 Skill 去搜索验证反而更好，因为：

  1. AI 搜索出来的数据可以标注来源级别

  2. 用户可以看到数据是从哪来的

  3. 出错了可以快速修正

决策二：是否要给最终的买入/卖出建议？ → 不给。Skill 输出的是"分析报告"和"数据解读"，不是"投资建议"。最后只会给出风险提示和关键观察，具体决策由用户做。

决策三：是否要把计算过程隐藏起来让界面更清爽？ → 不隐藏。恰恰相反，强制要求把计算过程完整展示。

  • PE = 市值 ÷ 净利润

  • 必须写出数字：= 2300亿 ÷ 130.8亿 ≈ 17.6倍

  • 必须标注数据来源

4、使用步骤

方式一：在 Trae IDE 中使用

步骤 1：将 [SKILL.md](file:///Users/dorian/Documents/solo/codeskill/Business-Model/.trae/skills/business-model-analyst/SKILL.md) 放入你的 Trae IDE 项目目录下的 .trae/skills/business-model-analyst/ 文件夹中

步骤 2：在对话中直接输入你的问题，Skill 会自动被匹配并调用：

Plain Text

帮我看看理想汽车值不值得买
帮我分析一下泡泡玛特的商业模式
帮我算算美的集团的估值

步骤 3：你会收到结构化输出：

部分 内容
一、核心数据 关键财务数据（带来源标注）
二、估值分析 PE/PS/PEG 等指标及解读
三、生意流程图 公司做法 vs 行业普遍做法
四、风险提示 关键风险因素
五、结论建议 数据支撑的观察

方式二：把 Skill 当学习资料读

SKILL.md 本身就是一本"商业分析框架小手册"，你可以直接读里面的内容来学习：

  • 第 1 部分：机构分析师体系 → 学习财务分析方法

  • 第 2 部分：学院派/实业家体系 → 学习投资框架

  • 第 3 部分：实业操作体系 → 学习产品和组织

5、效果展示

使用前 vs 使用后对比

维度 使用前（通用 AI / 手动研究） 使用后（本 Skill）
数据来源 不标注，无法验证 明确标注 A级/B级/C级/D级
估值方法 一律算 PE，不管公司类型 自动选择适配的估值方法
计算过程 直接给结论，无法追溯 公式→数字→结果三步透明
分析结构 混乱的自然语言 结构化的 5 部分报告
风险识别 基本不会主动提风险 风险提示是必出章节
理解深度 停留在"营收涨了多少"的表层 深入到"生意流程图"层面

实际使用效果示例

输入：

Plain Text

帮我算算泡泡玛特

输出（核心部分）：

Plain Text

### 一、核心数据
| 指标 | 2024年 | 2025年 | 来源 |
|------|--------|--------|------|
| 营收 | 130.4亿 | 371.2亿 | 【已验证·公司财报】 |
| 经调整净利润 | 34.0亿 | 130.8亿 | 【已验证·公司财报】 |
| 毛利率 | 66.8% | 72.1% | 【已验证·公司财报】 |

### 二、估值分析
PE = 市值 ÷ 净利润 = 约2300亿 ÷ 130.8亿 ≈ 17.6倍
PS = 市值 ÷ 营收 = 约2300亿 ÷ 371.2亿 ≈ 6.2倍
PEG（假设20%增长）≈ 17.6 ÷ 20 ≈ 0.88

解读：
- 毛利率 72% 很高，说明品牌溢价和规模效应已体现
- 海外收入占比 43.8%，接近一半，全球化进展不错
- 最大担忧：2026年 Q1海外仅增长 2%，爆款周期是否到顶？

6、Skill 链接

类型 链接/路径
GitHub 仓库 https://github.com/DorianLin-dee/Business-Model
Skill 核心文件 [.trae/skills/business-model-analyst/SKILL.md](file:///Users/dorian/Documents/solo/codeskill/Business-Model/.trae/skills/business-model-analyst/SKILL.md)
说明文档 [README.md](file:///Users/dorian/Documents/solo/codeskill/Business-Model/README.md)

使用方式：

  1. 将整个仓库克隆或下载到本地

  2. 将 .trae/skills/business-model-analyst/SKILL.md 放入你的 Trae IDE 项目目录

  3. 或直接在 Trae IDE 中打开 Business-Model 文件夹

7、总结与思考

做这个 Skill 最大的收获

第一，理解了"约束比能力更重要"。

最开始做的时候，我想让 Skill 做到"又快又准又全"，结果发现反而什么都做不好。后来我加了一堆"不能做什么"的约束——不能不标注数据来源、不能跳过计算过程、不能直接给买入建议——结果输出质量反而大幅提升。

这和巴菲特说的"能力圈"是一个道理：知道自己不能做什么，比知道自己能做什么更重要。

第二，把零散的知识变成了可复用的框架。

之前巴菲特的护城河、波特五力、PEG估值这些都是零散的知识点，在书上看到过，但真到用时不知道该选哪个。通过这个 Skill 把它们按"公司类型"组织起来，变成了可以调用的框架，就像是给自己的大脑装了一个"分析方法选择器"。

第三，对"数据准确性"的敬畏。

在做 Skill 的过程中，我被幻觉数据坑了好几次——AI 自信地给出一个数字，你也看不出问题，直到后来偶然看到财报才发现完全错了。这让我意识到：所有 AI 辅助的决策，如果没有可验证的数据来源标注，本质上都是在赌博。这也是为什么我把"数据准确性规范"放在了 Skill 最开头的位置。

这个 Skill 目前最满意的地方

  1. 强制数据来源标注：这是一个"反 AI 幻觉"的设计，让输出变得可追溯、可验证

  2. 生意流程图模板：把抽象的商业模式分析变成了"公司 vs 行业"的简单对比，非常直观

  3. 按公司类型选框架：不是给 20 个框架让用户选，而是按公司类型自动推荐最适配的 3-5 个

后续还想怎么优化

  1. 增加更多行业专项模板：目前有消费电子/零售/软件/消费品/互联网平台的适配，但制造业、医疗、教育这些行业还缺乏针对性框架

  2. 自动读取本地财报：如果用户把财报 PDF 放到项目目录下，Skill 可以自动提取关键数据而不是全部靠搜索

  3. 对话式深入分析：当前是"一次输入→一份报告"，希望能做到"这份报告→针对毛利率追问→针对海外收入追问"的多轮对话

  4. 投资组合视角：能对比分析一个人的持仓中不同公司之间的相关性，给出配置建议

  5. 可视化输出：目前是纯文本+表格，后续想增加自动生成的趋势图、对比图

希望别人怎么体验或给你什么建议

建议的体验方式：

  1. 先拿一个你比较熟悉的公司测试一下，看 Skill 的分析是否和你的认知一致

  2. 故意问一些刁钻问题，比如"为什么这家公司毛利率比同行高这么多"，看 Skill 的回答质量

  3. 注意观察数据来源标注和计算过程，看是否有跳步或幻觉

最希望收到的反馈：

  • 发现数据错误：这是最高优先级的问题

  • 分析框架选择不当：比如分析成长股却用了价值股的框架

  • 输出结构问题：哪一部分信息太多/太少，或格式不清晰

  • 新行业模板需求：你想用它分析什么行业但现在不好用

反馈可以直接在 GitHub 上提交 Issues。

2

image
image558×139 11.7 KB

一家值得买的公司？》万一暴雷呢

1 个赞
3

哈哈只能算当下值不值得买 :grinning_face:

1 个赞
4

这也太强了，哥哥